SageMaker 部署 AIGC 应用：训练、优化、部署及 Web 前端集成
背景
Amazon SageMaker 汇集广泛采用的亚马逊云科技机器学习和分析功能，统一访问所有数据，为分析和人工智能提供一体式体验。使用亚马逊云科技工具进行模型开发、生成式人工智能、数据处理和 SQL 分析，在融通式合作开发工作室中加快协作和构建，借助强大的生成式人工智能软件开发助手 Amazon Q 开发者版提升效率。
前言
本文将通过 Amazon SageMaker Notebook 实例完成 AIGC 模型的测试与验证，再将模型部署至 Amazon SageMaker Inference Endpoint 实现服务化，最后利用 Amazon Cloud 9 调试 Web 应用，并调用已部署的 SageMaker Inference Endpoint 实现 AIGC 模型的实际应用。
SageMaker 部署 AIGC 模型
步骤一：创建亚马逊云科技账户
- 注册亚马逊云科技官网。
- 进入注册页面（使用电子邮件地址进行注册），输入根用户电子邮件地址，编辑亚马逊云科技账户名称，选择验证电子邮件地址。
- 设置用户信息：输入根用户密码和确认根用户密码，选择个人或企业。
- 添加付款信息（必须先添加有效的支付方式才能继续注册）。
- 用户信息验证（选择接收验证码的联系方式、选择电话号码的国家或地区代码）。
- 客户验证与激活账户（选择亚马逊云科技支持服务计划）。
- 注册成功。
步骤二：创建 Amazon SageMaker Notebook 实例
- 登录亚马逊云科技控制台。
- 进入 SageMaker 服务，查找服务处搜索 SageMaker。
- 进入 Notebook 笔记本实例控制面板（左侧菜单栏，点击笔记本实例）。
- 创建笔记本实例。
- 配置笔记本实例设置，设置笔记本实例的名称、选择笔记本实例以及存储的大小。
- 配置笔记本实例权限（创建一个 IAM 角色，用于调用包括 SageMaker 和 S3 在内的其他服务，例如上传模型，部署模型等）。IAM 角色出，点击下拉列表，选择创建新角色。
- 弹出的配置页面中，默认配置即可。
- 成功创建 IAM 角色。
- 创建实例（检查先前配置的信息，确认无误点击创建笔记本实例）。
- 等待实例创建成功，进入 Jupyter Notebook。
- 构建 Stable-Diffusion 环境（Jupyter Lab 控制台，选择最下面的 Terminal）。
- 下载 Notebook 代码文件。
- 打开刚刚下载的 Notebook 文件，内核选择 conda_pytorch_p39。
步骤三：Amazon Cloud 9 构建前后端 Web 应用
- 亚马逊云科技控制台进入 Cloud9 服务。
- 创建 Cloud9 环境。
- 配置 Cloud9 环境名字配置，其他部分配置保持默认，等待创建成功即可。
- 进入 Amazon Cloud9 环境。
- Cloud9 下方的控制台中输入以下指令下载保存 Web 应用程序代码压缩文件，并将该压缩文件进行解压。
- 解压后 SampleWebApp 文件夹包含以下内容：后端代码 app.py（接收前端请求并调用 SageMaker Endpoint 将文字生成图片）、两个前端 html 文件 image.html 和 index.html。
- Amazon Cloud9 上安装 Flask 和 boto3。
- 运行 app.py，并且点击 Amazon Cloud9 上方的 Run 按钮运行代码。
- 预览 web 前端页面。
- Amazon Cloud9 环境打开 web 页面。
- 输入信息生成图片（自定义图片长度和宽度，Prompt 输入框处输入语句或描绘性词汇生成图片）。输入语句时，详细描述需求信息，以便 AI 绘制出的图片更贴合预期。例如：可将长度和宽度都设置成 512，输入以下描绘性语句生成一张卡通风格的宇航员猴子图片，以及一张超级英雄的图片。
- 成功页面展示。
